La synthèse vocale, c’est-à-dire la transformation de mots ou d’expressions en audio en imitant la voix humaine, s’est développée progressivement tout au long du 20e siècle avant une accélération technologique ces 20 derniers années se concrétisant par différentes applications : service aux mal-voyants et aveugles, GPS, fonctionnalités dans les smartphones, assistants vocaux et connectés…
Les progrès de l’intelligence artificielle permettent depuis trois-quatre ans d’aller encore plus loin avec les outils dédiés au text-to-speech. Ces solutions, qui prennent la forme d’un player vidéo placé en haut des articles, proposent une lecture vocale automatisée de contenus textuels. Elles s’inscrivent dans les usages. La hausse continue ces dernières années des usages audio en mobilité, y compris pour l’information, a conduit de nombreux éditeurs médias à lancer des podcasts, natifs ou en replay (l’ACPM en a effectué un bilan chiffré en avril). Les audiences audio digitales sont fortes et en progression : les podcasts totalisent 20 millions d’auditeurs mensuels, et plus largement 40 millions de Français (79 % des 15-80 ans) écoutent chaque mois au moins une fois un contenu audio en ligne, selon des chiffres de Médiamétrie//NetRatings en mai 2023.
Moins couteux à produire que les podcasts natifs
Si les usages audio progressent, les éditeurs médias ne réussissent souvent pas à monétiser correctement leurs offres, en particulier le podcast, couteux à produire et dont les audiences de chaque épisode sont souvent modestes en France ; quelques dizaines de milliers d’écoutes au mieux.
Le text-to-speech apparaît comme une aubaine pour les éditeurs de presse afin de transformer leurs articles en un nouveau format audio pour un coût modéré. Les promesses sont multiples : offrir un nouveau format éditorial pour fidéliser et/ou conquérir des audiences, développer de nouveaux inventaires publicitaires, ou encore se positionner sur l’innovation marketing.
« Des progrès importants ont été réalisés sur la langue française depuis l’été 2021 par Microsoft, une solution plus fluide et plus agréable »
Bertrand Boulandet (Podle)
Le Figaro, Prisma Media, Numerama, Le Point, Le Monde, Challenges, 20 Minutes, La Tribune, Brief.me, Sud-Ouest, La Dépêche du Midi, plus récemment L’Express… Nous avons identifié une quinzaine de groupes médias ayant déployé une solution audio automatisée durant ces deux dernières sur une trentaine de sites.
Ces éditeurs ont installé leur service de text-to-speech en s’appuyant essentiellement sur l’une des quatre sociétés françaises proposant un outil dédié : ETX Studio, Audion, Odia et Podle. S’y ajoute la société britannique Global Player, dont l’outil Remixd est certes utilisé par Numerama depuis avril 2021 – c’est Numerama qui l’a contactée -mais cette entreprise n’a pas d’autres client ni même d’ambitions commerciales dans l’Hexagone (consultez plus bas notre panorama des solutions et leurs clients médias).